我想使用svm分类器进行面部表情检测。我知道opencv有一个svm,但我不知道应该输入什么来训练分类器。到目前为止,我已经读了很多论文,都是说人脸特征检测训练后的分类器。
到目前为止我所做的,

注意:我知道如何训练支持向量机,只有正面和负面的图像,我看到了这个代码这里,但我不知道我如何结合面部特征信息与它。
有人能帮我从svm开始分类吗?
训练分类器的样本输入应该是什么?
如何用这个面部特征点训练分类器?
致以敬意,
发布于 2014-09-29 06:28:42
opencv中的机器学习算法都具有类似的界面。为了训练它,您传递一个NxM Mat属性(N行,每个特性有一行长度M)和一个带有类标签的Nx1 Mat。就像这样:
//traindata //trainlabels
f e a t u r e 1
f e a t u r e -1
f e a t u r e 1
f e a t u r e 1
f e a t u r e -1对于预测,使用相同的方式填充1行Mat,它将返回预测的标签
所以,比方说,你的16个面部点被存储在一个向量中,你可以这样做:
Mat trainData; // start empty
Mat labels;
for all facial_point_vecs:
{
for( size_t i=0; i<16; i++ )
{
trainData.push_back(point[i]);
}
labels.push_back(label); // 1 or -1
}
// now here comes the magic:
// reshape it, so it has N rows, each being a flat float, x,y,x,y,x,y,x,y... 32 element array
trainData = trainData.reshape(1, 16*2); // numpoints*2 for x,y
// we have to convert to float:
trainData.convertTo(trainData,CV_32F);
SVM svm; // params omitted for simplicity (but that's where the *real* work starts..)
svm.train( trainData, labels );
//later predict:
vector<Point> points;
Mat testData = Mat(points).reshape(1,32); // flattened to 1 row
testData.convertTo(testData ,CV_32F);
float p = svm.predict( testData );发布于 2014-09-29 06:11:56
人脸手势识别是一个被广泛研究的问题,通过对现有文献的深入研究,可以找到你需要使用的适当特征。一旦你有了你认为是好的特征描述符,你就会继续用这些来训练支持向量机。一旦你用最优参数训练了支持向量机(通过交叉验证发现),你就开始对未知数据测试支持向量机模型,并报告准确性。总的来说,这就是输油管道。
现在是关于支持向量机的部分:
SVM是一种二进制分类器--它可以区分两类(尽管它也可以扩展到多个类)。OpenCV在ML库中有一个内置的支持向量机模块。支持向量机类首先具有两个函数:train(..)和predict(..)。为了训练分类器,您需要输入大量的样本特征描述符,以及它们的类标签(通常是-1和+1)。记住OpenCV支持的格式:每个训练样本都必须是一个行向量。每一行将在标签向量中有一个对应的类标签。因此,如果您有一个长度n的描述符,并且您有这样的示例描述符,那么您的训练矩阵将是m x n (m行,每个长度n),标签向量的长度为m。还有一个SVMParams对象,它包含类似于支持向量机类型的属性和您必须指定的参数(如C )的值。
一旦经过训练,就可以从图像中提取特性,将其转换为单一行格式,并提供给predict(),它将告诉您它属于哪个类(+1或-1)。
还有一个具有相似参数的train_auto(),该参数具有类似的格式,给出了支持向量机参数的最佳值。
还可以检查这个详细答复以查看一个示例。
编辑:假设您有一个返回特征向量的特征描述符,则算法如下所示:
Mat trainingMat, labelsMat;
for each image in training database:
feature = extractFeatures( image[i] );
Mat feature_row = alignAsRow( feature );
trainingMat.push_back( feature_row );
labelsMat.push_back( -1 or 1 ); //depending upon class.
mySvmObject.train( trainingMat, labelsMat, Mat(), Mat(), mySvmParams );我不认为extractFeatures()和alignAsRow()是现有的函数,您可能需要自己编写它们。
https://stackoverflow.com/questions/26055749
复制相似问题